DUGO：用于第一人称程序视频在线时间动作定位的双尺度高斯记忆

DUGO框架通过双尺度时间编码器和高斯记忆库，在在线时间动作定位中实现最先进性能，显著提升多时间尺度动作捕捉与长程推理能力。 模型结合深度局部表征与全局自注意力机制，利用输入条件化高斯原型增强时序记忆，并在编码器及锚点查询阶段应用门控交叉注意力。 实验在EGTEA和EPIC-Kitchens-100等数据集上验证效果，同时为非第一人称基准Muses带来显著改进。